-
题名基于TI-A~*的多机器人动态规划协调方法研究
被引量：12
- 1
-
-
作者
赵萍
雷新宇
陈波芝
杨矫云
-
机构
合肥工业大学机械工程学院
合肥工业大学计算机与信息学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2019年第5期925-935,共11页
-
基金
国家自然科学基金(61502135)
-
文摘
多机器人在动态环境下路径规划问题是集群机器人群体感知与协调的重要基础问题之一。通过引入时间代价函数,提出结合时间代价的A~*算法(Time Integrated A~*Algorithm,TI-A~*),将规划问题分解成路径规划和冲突协调两个模块。利用变速运动来协调避免死锁和碰撞。通过调整协调阶段介入的时间,可得出改变运动速率和改变规划路径等两种不同TI-A~*协调方法。比较两种算法,归纳各自适用环境。仿真结果验证了移动机器人能够在复杂环境下进行动态路径规划,表明两种算法均基本解决了现有A~*算法存在的问题。
-
关键词
多移动机器人
TIME
INTEGRATED
A~*算法
路径规划
动态避障
冲突协调
-
Keywords
multiple mobile robot
Time Integrated A~*algorithm
path planning
collision avoidance dynamically
conflict coordination
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于因果效应的贝叶斯网络结构学习方法
被引量：11
- 2
-
-
作者
安宁
滕越
杨矫云
李廉
-
机构
合肥工业大学国家智慧养老国际科技合作基地
合肥工业大学计算机与信息学院
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第12期3609-3613,共5页
-
基金
安徽省重点研究与开发计划资助项目(1704e1002221)
国家自然科学基金青年基金资助项目(61502135)
国家高等学校学科创新引智计划资助项目(B14025)
-
文摘
从数据中学习贝叶斯网络结构是一个NP-hard问题,提高网络结构学习算法精度是研究的重难点。基于Pearl的因果理论,提出了一种贝叶斯网络结构学习方法,提升了现有算法的准确率。利用改进的Pearl因果效应和BDe评分,学习网络节点优先次序,利用K2算法学习初始网络,并通过BDe评分反向调节、互信息和BDe评分删除边以修正学习结果。实验在贝叶斯网络标准数据集ASIA、ALARM上进行,在样本量为2000～20 000的20组实验中,学习准确率较MMHC算法平均提升16%,准确率标准差较MMHC算法平均缩小17%。实验表明,基于因果效应的方法较MMHC算法有更好的性能。
-
关键词
贝叶斯网络
阿尔茨海默病
K2算法
因果效应
BDe评分
互信息
-
Keywords
Bayesian network
Alzheimer＇s disease
K2 algorithm
causal effect
BDe scoring-function
mutual information
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名融合单纯形映射与熵加权的聚类方法
被引量：4
- 3
-
-
作者
安宁
江思源
唐晨
杨矫云
-
机构
合肥工业大学国家智慧养老国际科技合作基地
合肥工业大学计算机与信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第9期148-155,共8页
-
基金
安徽省重点研究与开发计划(No.1804b06020378,No.1704e1002221)
国家高等学校学科创新引智计划(“111”)(No.B14025)。
-
文摘
由于分类型和数值型属性特性的差异,设计混合类型数据聚类算法时通常需要对两种类型属性区别对待,增加了聚类算法的设计与实现难度。另外,不同属性所包含的信息量存在差异,但现有算法通常平等对待各个属性。提出了一种融合单纯形映射与信息熵加权的混合类型数据聚类算法。基于单纯形理论将分类型属性映射为高维数值属性向量,应用信息熵理论为各属性分配权重建立相似性度量公式,将该度量方法应用于K-Means算法框架得到聚类算法。在6个UCI的混合数据集上的实验表明,提出的聚类算法优于传统映射聚类算法和K-Prototype算法,在准确度上分别提高了2.70%和18.33%。
-
关键词
向量映射
熵加权
相似性度量
混合数据集
聚类分析
-
Keywords
vector mapping
entropy-based weight
similarity measurement
mixed datasets
clustering analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
